I. Recopilando los datos

Empezaremos por crear un vector de acuerdo con el nombre de aquellas estados con mas casos de la covid-19 en los ultimos meses, así como también agregándole las coordenadas de esa ciudad, primero la longitud y después la latitud. Una vez recolectados los datos, con ayuda de la función ‘rbind’ se creara una matriz por columnas con los datos proporcionados.

edomex<-c(-99.65324,19.28786)
nuevoleon<-c(-100.31847,25.67507)
guanajuato<-c(-101.2591,21.01858)
cdmx<-c(-99.12766,19.42847)
sonora<-c(-110.97732,29.1026 )
coahuila<-c(-103.41898,25.54389)
jalisco<-c(-103.39182,20.66682)
estados<-rbind(edomex,nuevoleon,guanajuato,cdmx,sonora,coahuila,jalisco)
estados
##                  [,1]     [,2]
## edomex      -99.65324 19.28786
## nuevoleon  -100.31847 25.67507
## guanajuato -101.25910 21.01858
## cdmx        -99.12766 19.42847
## sonora     -110.97732 29.10260
## coahuila   -103.41898 25.54389
## jalisco    -103.39182 20.66682

II. Cambiando el nombre de nuestras columnas

Una mejor manera de poder vizualizar mejor nuestra matriz, es asignandole un nombre a los datos, en este caso longitud y latitud. Usaremos la función ‘colnames’ para poder llevarlo acabo.

colnames(estados)<-c("Longitud","Latitud")
estados
##              Longitud  Latitud
## edomex      -99.65324 19.28786
## nuevoleon  -100.31847 25.67507
## guanajuato -101.25910 21.01858
## cdmx        -99.12766 19.42847
## sonora     -110.97732 29.10260
## coahuila   -103.41898 25.54389
## jalisco    -103.39182 20.66682

III. Transformando nuestra matriz en un data.frame

Es importante crear un data.frame que sera indispensable para crear nuestro mapa. Por ellos procederemos a convertir nuestra matriz en un data.frame de la siguiente manera

estados<-data.frame(estados)
estados
##              Longitud  Latitud
## edomex      -99.65324 19.28786
## nuevoleon  -100.31847 25.67507
## guanajuato -101.25910 21.01858
## cdmx        -99.12766 19.42847
## sonora     -110.97732 29.10260
## coahuila   -103.41898 25.54389
## jalisco    -103.39182 20.66682

IV. Creando una gráfica de dispersión con nombres y puntos

Una vez creado nuestro data.frame podemos crear directamente nuestro mapa, pero también podemos crear una gráfica de dispersión en el cual podemos utilizar los nombres de las ciudades como etiquetas con la función ‘ggplot’ junto con ‘geom_text. Si utilizamos la función ’geom_point’ podemos agregar puntos y para hacerla más interactiva se puede agregar la función ‘ggploty’

dispersion<-ggplot(estados)+geom_text(aes(Longitud,Latitud),label= rownames(estados))+geom_point(aes(Longitud,Latitud),color= rainbow(7))
ggplotly(dispersion)

V. Creando un mapa

Y ahora sí pedemos crear nuestro mapa utilizando la función ‘qmplot’

qmplot(Longitud, Latitud, data=estados, color=I(rainbow(7)))

VI. creando mapa de punto y densidad

Como un plus podemos agregar también un mapa de densidad, que puede ser útil para visualizar el área del país donde más casos de la covid-19 se concentran, utilizando el parametro ‘geom = c(’“point”, “density2d”)

qmplot(Longitud, Latitud, data=estados, geom=c("point","density2d"))

VII. Video sobre como graficar

Este puede ayudarnos a entender como graficar sobre un plano cartesiano, muy ultil y fundamental en los mapas

Esta obra fue generada mediante R en December 21, 2020 y forma parte de las actividades realizadas en las materias de Matemáticas I y Taller III, Facultad de Economía, UNAM.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. Creative Commons (CC).Licencia de Creative Commons